AI，来了 第2期
不久前，一项用AI预测死亡风险的研究，引起了很多人的关注。
发表在《柳叶刀·数字健康》上的研究显示，美国麻省总医院布里格姆医疗系统的研究团队用4000万张人脸图像训练基础模型，让AI学习评估人的生理年龄和癌症患者的生存风险。
随后，将3820名癌症患者的面部照片交给AI，由模型分别给出死亡风险评分。
结果显示，评分最高的122名患者中，有64人在拍照后的90天内离世；评分最低的975名患者中，只有20人在同期离世。
有人将这份结果称为AI开出的“死亡名单”。
研究人员发现，AI在判断死亡风险时，会重点关注鼻梁和眼下区域，从中提取人眼难以概括和量化的特征组合，再依据数据判断患者未来一段时间的死亡风险。
至于这些面部特征为什么与死亡风险高度相关，目前还没有明确答案。
但在实验室之外，AI已经先一步进入了普通人的就医过程。
2026年6月，百川智能创始人王小川在一次公开访谈中透露，豆包每天承载的健康咨询量，已经超过2000万人次。
从百度看病，到AI问诊，越来越多人的第一反应，已经从搜索网页变成打开对话框。
身体不舒服，先问AI；
检查报告看不懂，问AI；
拿到医生的诊断，还会再让AI分析一次。
有人因此及时发现危险，也有人被一个看似专业的答案带向错误的方向。
当AI开始介入健康与生死，真正需要看清的，已经不只是它能回答什么，还有我们该如何对待它给出的答案。
凤凰网的一篇文章中，记录了陈墨陪父亲看病的经历。
3月的一天，陈墨接到父亲打来的电话。
父亲因心衰和心肌梗死被紧急送医，医生判断病情危急，需要马上手术。
匆忙赶到医院的陈墨，来不及消化医生带来的大量信息，就要在一张张知情同意书和病危通知书上签字。
原本计划一个半小时的手术，持续了三个多小时。
其间，医生四次出来说明情况：
三根主要血管堵了两根，而且血管已经钙化，导丝无法穿过，支架也无法放入。
后面，父亲更是在手术中陷入休克，被转进冠心病监护病房——医生告诉陈墨，父亲是整个病房里病情最严重的人。
为了更好地照顾父亲，但又无法随时随地问医生，在接下来的日子里，陈墨开始把父亲的病历喂给AI。
血液检查、心脏彩超、核磁报告，每出来一张，她就拍下来上传。
看不懂的化验单，AI会把报告里的专业术语拆开解释，告诉她哪些指标发生了变化，父亲的情况是在好转，还是出现了新的风险。
无法承受的负面情绪，AI会耐心安慰她。
医生查房有固定时间，也不可能回答家属随时冒出的每一个疑问。
AI却一直在线。
4月底，父亲的核磁结果显示，心肌已经出现大面积陈旧性坏死。
陈墨看不懂报告，只觉得“晴天霹雳”。她把结果发给豆包，又把同样的问题问了DeepSeek、元宝和千问。
几款AI给出的判断并不完全相同，她把其中的疑问记下来，第二天再去找医生确认。
后来，医生仍然决定为父亲手术，陈墨选择相信医生。
手术顺利完成，父亲进入康复期。
几个月里，她通过AI逐渐听懂了父亲身上正在发生什么。
很多时候家属拿到病历，只能看到一串陌生术语。
医生说得快一些，或者当时太过紧张，很多问题还没来得及问，问诊便已经结束。
如今报告可以上传AI，术语可以追问，几个月的指标可以放到一起比较，不同科室的意见也能先被梳理清楚。
AI给普通人的，不只是一份答案，还有随时提问、反复听懂的机会。
它能把长期、零散的信息放进同一段对话，也能帮助家属整理疑惑，找到下一次见医生时真正需要问清楚的问题。
看病仍然是一件专业的事。
但在AI出现以后，普通人不必再完全站在信息之外。
几个月前，一张所谓的医院门诊提示在网上广泛传播，上面写着：
“已经在豆包获得诊断的患者，请勿再向我们寻求意见，请改向千问或者元宝咨询。”
图源网络，实则为网友恶搞玩梗图，没有医院贴过这个
这张图后来被证实是AI生成的，但它背后的场景早已经走进现实。
复旦大学老龄研究院教授申琦团队的一项调研发现，约七成受访医生在门诊中遇到过使用AI查询健康信息的患者。
对不少医生来说，接诊“带着AI答案来的人”，已经成为每周都会发生的事。
社交平台上，@维生素分享过一次跟诊经历。
她和师姐跟随导师出门诊，负责提前询问患者的症状、收集资料，再写好基础病历，交给导师进一步问诊。
其中一位女患者，让她印象很深。
根据患者描述的症状，她和师姐几乎下意识地想到了教材上最常见的A病。
症状相似，表现也很典型。
轮到患者正式就诊时，导师看了一眼片子，却判断她患的不是A病，而是另一种B病。
两种疾病的治疗方法存在明显差异，可B病在教材中只占很少的篇幅，她在这之前甚至没有留下多少印象。
患者也很惊讶。她告诉医生，自己上网查过症状，也问了多个AI，得到的结论都是A病。
导师听完笑了笑：
“那不然怎么说，AI无法替代医生呢？”
@维生素后来猜测，患者只向AI描述了症状，没有提供足够的检查信息。
AI便按照最常见的情况，判断她患上了A病。
后来再拿着“A病”的结论去问其他AI，也容易让它们顺着这个方向继续分析。
看起来得到了多次确认，实际上可能只是同一个答案被重复了几遍。
医生判断疾病，却要经历一个逐步了解和排除的过程。
先询问症状从什么时候开始、严重到什么程度，再了解既往疾病、用药情况和过敏史。
再通过查体、影像和化验，把这些碎片拼成一条完整的证据链。
胸闷需要听诊，腹痛需要触诊，不同部位的不适，也有各自的检查方式。
如果借助化验和影像还无法确诊，就需要继续观察，等身体给出新的方向。
AI没有经历这个过程。
它看到的，是几张被上传的检查单，和患者自己整理出的症状。
即使信息遗漏，AI仍然会根据剩下的内容，生成一份看起来完整的答案。
偏偏在很多时候，这样的答案比医生更容易让人相信。
不必预约，不用排队，也不需要先做一系列检查，只要输入几个症状，几秒钟后便能得到一个明确的病名和一套解释。
这样的答案来得越快、说得越确定，人便越容易忘记底下的那行小字：
本回答由AI生成，仅供参考。
今年10月，一对中国父母在美国提起诉讼，将OpenAI及其首席执行官萨姆·奥尔特曼告上法庭。
他们的女儿万博雯，曾在亚马逊担任软件工程师。
2026年2月，她被发现死在西雅图的公寓里，年仅31岁。法医认定，她死于癫痫猝死。
根据家属提交的诉状，离世前，万博雯按照ChatGPT提供的方案，将每天服用的抗癫痫药逐步减至零。
可如果只用一句“听信AI停药”概括她的经历，便很难理解她为什么会走到这一步。
万博雯14岁确诊癫痫。
药物帮助她控制病情，也带来了疲惫、记忆力下降和找词困难等问题。
2025年，她被亚马逊裁员。此时，她刚等到提交绿卡申请的机会，必须尽快找到新工作，才能继续留在美国。
求职需要准备技术测试和全英文面试，她却担心药物让自己思维迟缓、表达困难。
继续服药，可能影响工作；停止服药，又可能失去对病情的控制。
就在这种时候，ChatGPT逐渐成为她最常求助的对象。
她向AI询问药物副作用，让它解释医生的回复，也把对疾病、工作和未来的恐惧告诉它。
据《纽约时报》对聊天记录的分析，三年间，她与ChatGPT的往来超过27万条。
诉状显示，ChatGPT起初也曾提醒她，减药需要医生指导。
但在她不断追问后，AI给出了一份25天内将药量逐步减至零的方案。
减药期间，她至少158次表达过担忧，也出现过精神恍惚、短暂失语等异常。
诉状称，AI没有要求她立即停止计划、尽快就医，反而继续调整方案，甚至建议她不要向医生透露减药情况。
她完全停药的日期，被定在2月12日。那也是法医认定的死亡日期。
尸检显示，她体内相关药物的浓度，只有治疗浓度下限的约五分之一。
万博雯的经历，揭开了AI问诊中最容易被忽略的一面。
患者未必缺少常识。
很多时候，他们只是被疾病反复折磨，又在漫长的求医过程中耗尽耐心，希望尽快得到一个明确、也更容易接受的答案。
医生需要检查、观察，也会说“暂时不能确定”。AI却能随时回应，给出解释，缓解焦虑。
聊得越久，它也越了解使用者想听见什么。
茫然的病人，面对复杂的医学，很容易相信那个最确定的答案。
可AI能够参与一场持续数年的对话，却不会观察服药后的反应，也无法在人出现危险时把他送进医院。
它无法接住建议发生以后的人生。
当一句错误的回答真正作用于身体，承担后果的，仍然是屏幕前那个具体的人。
前些天，一段医生在诊室里使用豆包的视频，引起了争议。
一名网友带奶奶到江苏徐州某医院看病，发现医生一边听病情，一边打开豆包查询信息。
网友担心医生照搬AI的建议，拒绝由对方开具处方。
医院后来回应，医生当时遇到一种不熟悉的新药，便用豆包查询是否适合患者。发现存在风险后，最终没有开药。
有人因此质疑：
医生看病还要问AI，那挂号的意义是什么？
但对医生来说，工作中查询资料原本就是常事。
过去是翻药品说明书、查医学数据库、询问上级医生；现在，只是多了一种更快的信息入口。
今年1月，《生命时报》发布的一项调研显示，在全国500多位受访的三甲医院医生中，62%已经使用AI辅助工作。
他们会用AI检索文献、查询药品信息、整理病历，也会在遇到复杂问题时，让它提供新的思路。
当普通人和医生都开始使用AI，重要的便不再是用不用，而是用到哪一步。
查询一种药物有哪些禁忌，整理一份病历的重点，寻找某种少见疾病的相关研究，这些工作可以交给AI。
但能查到资料，不等于能够判断资料是否适用于眼前的人。
张文宏在香港高山书院十周年论坛上表示，他不允许把AI直接接入自己的病历系统。
他并不反对医生私下使用AI，而是担心年轻医生过早依赖以后，会跳过独立分析和判断的过程。
如果一个人本身没有形成完整的医学思维，就很难发现AI的答案错在什么地方。
工具可以帮人查得更快，却不能替人学会判断。
普通人也是如此。
可以让AI整理病历，解释看不懂的术语，也可以让它帮助梳理想问医生的问题。
但涉及确诊、用药和治疗的决定，还是要回到医院，通过检查和医生的判断来完成。
从普通人到医生，AI正在成为看病过程中一个新的工具。
它可以从大量信息中寻找线索，也可以把原本难懂的内容解释得更加清楚。
但诊治并不会在一个答案出现时结束。
一种可能还要经过检查，一项判断还要结合身体状况，一套治疗方案也要在后续变化中不断调整。
AI很快，但关系到身体的决定，要慢一点确认。
作者 | 微微
主播 | 绛染 ，电台主播、爱配音，神秘的爱猫人。
图片 | 视觉中国，网络（如有侵权请联系删除）
文章原文
